Supposons que j'ai cette trame de données:
df['avg_odd'] = df[[df.columns[0],df.columns[2],df.columns[4]]].mean(axis=1) df['avg_even'] = df[[df.columns[1],df.columns[3],df.columns[5]]].mean(axis=1)
Tout ce que je veux, c'est calculer la moyenne des colonnes paires et des colonnes impaires de cette trame de données. J'ai essayé ces codes:
df = pd.DataFrame({'col1': [1, 2, 3, 4, 5],
'col2': [7, 45, 12, 56, 14],
'col3': [56, 67, 8, 12, 39],
'col4': [16, np.nan, 25, 6, 19],
'col5': [1, 9, 23, 56, np.nan],
'col6': [13, 3, 53, 72, 88]})
Mais y a-t-il un moyen de le faire plus rapidement? Comment devrais-je calculer si j'ai 100 colonnes ou plus?
3 Réponses :
Créez un tableau d'assistance par longueur de colonnes avec modulo et créez de nouvelles colonnes:
arr = np.arange(len(df.columns)) % 2 df['avg_odd'] = df.iloc[:, arr == 0].mean(axis=1) df['avg_even'] = df.iloc[:, arr == 1].mean(axis=1) print (df) col1 col2 col3 col4 col5 col6 avg_odd avg_even 0 1 7 56 16.0 1.0 13 19.333333 12.000000 1 2 45 67 NaN 9.0 3 26.000000 24.000000 2 3 12 8 25.0 23.0 53 11.333333 30.000000 3 4 56 12 6.0 56.0 72 24.000000 44.666667 4 5 14 39 19.0 NaN 88 22.000000 40.333333
Utilisation de % et groupby
col1 col2 col3 col4 col5 col6 avg_even avg_odd 0 1 7 56 16.0 1.0 13 12.000000 19.333333 1 2 45 67 NaN 9.0 3 24.000000 26.000000 2 3 12 8 25.0 23.0 53 30.000000 11.333333 3 4 56 12 6.0 56.0 72 44.666667 24.000000 4 5 14 39 19.0 NaN 88 40.333333 22.000000
df[['avg_odd', 'avg_even']] = df.groupby(np.arange(df.shape[1]) % 2, axis=1).mean()
df = df.assign(avg_even = df[df.columns[::2]].mean(axis=1),
avg_odd = df[df.columns[1::2]].mean(axis=1))
Simple and direct